دقت در اندازه‌گیری حجم ساختارها و نقص‌های استخوانی، یکی از موضوعات مهم در تصویربرداری سه‌بعدی پزشکی و دندانپزشکی است. از برنامه‌ریزی جراحی و ارزیابی نقص‌های استخوانی گرفته تا طراحی مدل‌های سه‌بعدی، اعتبار نتایج تا حد زیادی به کیفیت داده‌های تصویربرداری و دقت روش‌های پردازش تصویر وابسته است.

در پژوهشی با عنوان «ارزیابی حجمی قابل اعتماد نقص‌های فک پایین با استفاده از سگمنتیشن تصاویر CBCT به کمک یادگیری عمیق و مقایسه با میکرو سی‌تی برای چاپ سه‌بعدی و برنامه‌ریزی جراحی» که در مجله معتبر Scientific Reports (Q1) منتشر شده است، پژوهشگران دقت اندازه‌گیری حجم نقص‌های استخوانی فک در تصاویر CBCT را بررسی کردند.

در این مطالعه، میکرو سی‌تی به‌عنوان روش مرجع برای ارزیابی اندازه‌گیری‌های انجام‌شده با سی‌بی‌سی‌تی در نظر گرفته شد و تصویربرداری میکرو سی‌تی نمونه‌ها، با استفاده از دستگاه LOTUS in-Vivo، میکرو سی‌تی اسکنر پیش‌بالینی ساخت شرکت بهین نگاره انجام گرفت.

چرا اندازه‌گیری دقیق حجم نقص‌های استخوانی اهمیت دارد؟

تصویربرداری سی‌بی‌سی‌تی امروزه کاربرد گسترده‌ای در دندانپزشکی دیجیتال، جراحی فک و صورت و برنامه‌ریزی‌های سه‌بعدی دارد. تفکیک‌پذیری مکانی مناسب، زمان تصویربرداری نسبتا کوتاه و امکان بازسازی سه‌بعدی ساختارهای استخوانی باعث شده است این روش در بسیاری از کاربردهای بالینی مورد استفاده قرار گیرد.

با این حال، مشاهده یک ساختار در تصویر با اندازه‌گیری دقیق حجم آن یکسان نیست. عواملی مانند اندازه وکسل، نویز تصویر، روش سگمنتیشن و نحوه تعیین مرز ساختار موردنظر می‌توانند بر حجم محاسبه‌شده تأثیر بگذارند. این مسئله زمانی اهمیت بیشتری پیدا می‌کند که داده‌های تصویربرداری برای کاربردهایی مانند برنامه‌ریزی جراحی، ارزیابی تغییرات استخوان، ساخت مدل‌های آناتومیک سه‌بعدی یا چاپ سه‌بعدی مورد استفاده قرار گیرند.

به همین دلیل، برای ارزیابی دقت یک روش تصویربرداری، وجود یک روش مرجع با تفکیک‌پذیری بالا اهمیت زیادی دارد. میکرو سی‌تی به دلیل توانایی تصویربرداری سه‌بعدی و غیر مخرب از ساختارهای کوچک با تفکیک‌پذیری بالا، یکی از روش‌های مرجع مهم در مطالعات پیش‌بالینی و پژوهش‌های مرتبط با ساختار و ریخت‌شناسی استخوان محسوب می‌شود.

طراحی پژوهش و مقایسه سی‌بی‌سی‌تی با میکرو سی‌تی

در این مطالعه، پژوهشگران ۲۸ نقص استخوانی مصنوعی را در نواحی قدامی و خلفی هفت نمونه فک خشک خرگوش ایجاد کردند. سپس، تصویربرداری سی‌بی‌سی‌تی از نمونه‌ها در دو اندازه وکسل ۰٫۱ و ۰٫۲ میلی‌متر انجام شد تا مشخص شود تغییر تفکیک‌پذیری تصویر تا چه اندازه می‌تواند بر دقت محاسبه حجم نقص‌های استخوانی تأثیر بگذارد.

برای پردازش و سگمنتیشن تصاویر نیز دو روش متفاوت مورد ارزیابی قرار گرفت:

• در روش نخست، تصاویر با استفاده از نرم‌افزار ImageJ و روش آستانه‌گذاری اُتسو (Otsu Thresholding) به‌صورت نیمه‌خودکار سگمنت شدند.

• در روش دوم، از نرم‌افزار Avizo و رویکرد مبتنی بر یادگیری عمیق استفاده شد. در این بخش، یک معماری شبکه عصبی U-Net با رمزگذار ResNet18 برای تفکیک استخوان، پس‌زمینه و نقص‌های استخوانی آموزش داده شد.

به این ترتیب، پژوهشگران توانستند تأثیر سه عامل مهم یعنی اندازه وکسل، روش سگمنتیشن و محل نقص استخوانی را بررسی کنند. اما برای مشخص کردن میزان دقت این اندازه‌گیری‌ها، به داده‌ای مرجع با تفکیک‌پذیری بالاتر نیاز بود. در این مرحله، میکرو سی‌تی در طراحی پژوهش نقش کلیدی پیدا کرد.

نقش میکرو سی‌تی LOTUS In-Vivo بهین نگاره در این پژوهش

برای تهیه داده‌های مرجع، تعدادی از نمونه‌ها به‌صورت تصادفی انتخاب و برای تصویربرداری میکرو سی‌تی به آزمایشگاه پیش‌بالینی دانشگاه علوم پزشکی تهران (TPCF) ارسال شدند. تصویربرداری این نمونه‌ها با استفاده از دستگاه میکرو سی‌تی LOTUS In-Vivo، ساخت شرکت بهین نگاره انجام شد.

براساس پروتکل گزارش‌شده در مقاله، تصویربرداری میکرو سی‌تی با ولتاژ ۵۰ کیلوولت، جریان 150 میکروآمپر و زمان اسکن۶۰ دقیقه انجام گرفت. اندازه وکسل در جهت عرضی ۲۰ میکرومتر و در جهت محوری ۴۰ میکرومتر گزارش شده است. داده‌های سه‌بعدی به‌دست‌آمده نیز با استفاده از نرم‌افزار LOTUS in-Vivo-REC شرکت بهین نگاره و الگوریتم استاندارد فلدکمپ–دیویس–کرس (FDK) بازسازی شدند. داده‌های حاصل از میکرو سی‌تی در ادامه به‌عنوان روش مرجع برای مقایسه با اندازه‌گیری‌های حجمی حاصل از سی‌بی‌سی‌تی مورد استفاده قرار گرفتند.

اهمیت این بخش از پژوهش در آن است که میکرو سی‌تی صرفا برای تهیه تصاویری با جزئیات بیشتر مورد استفاده قرار نگرفت، و داده‌های حاصل از آن، مبنایی را برای ارزیابی کمی دقت یک روش تصویربرداری دیگر فراهم کردند.

نتایج پژوهش چه چیزی را نشان داد؟

نتایج نشان داد اندازه‌گیری حجم نقص‌های استخوانی با استفاده از سی‌بی‌سی‌تی در مجموع تطابق بالایی با اندازه‌گیری‌های مرجع میکرو سی‌تی داشت و بین اندازه‌گیری‌های حجمی حاصل از روش‌های مختلف سی‌بی‌سی‌تی و میکرو سی‌تی اختلاف آماری معناداری مشاهده نشد. همچنین میزان توافق میان روش‌های مختلف اندازه‌گیری بالا بود، به‌طوری‌که مقدار ضریب همبستگی درون‌رده‌ای (ICC) برای میانگین اندازه‌گیری‌ها برابر با ۰٫۹۸ گزارش شد.

یکی از مهم‌ترین یافته‌های پژوهش مربوط به اندازه وکسل بود. تصاویر سی‌بی‌سی‌تی با وکسل ۰٫۱ میلی‌متر اندازه‌گیری‌هایی نزدیک‌تر به داده‌های میکرو سی‌تی ارائه کردند، درحالی‌که استفاده از وکسل ۰٫۲ میلی‌متر با کم‌برآوردی (under-estimation) حجم نقص‌ها همراه بود. این یافته نشان می‌دهد در کاربردهایی که دقت بالای اندازه‌گیری حجم اهمیت دارد، انتخاب پارامترهای تصویربرداری و به‌ویژه اندازه وکسل می‌تواند نقش تعیین‌کننده‌ای داشته باشد.

در مقابل، تفاوت میان دو روش سگمنتیشن مورد استفاده در ImageJ و Avizo تأثیر معناداری بر نتایج نداشت. همچنین محل نقص استخوانی در بخش قدامی یا خلفی فک نیز اثر معناداری بر دقت اندازه‌گیری نشان نداد.

یادگیری عمیق، رویکردی نوین در تحلیل تصاویر پزشکی

یکی دیگر از بخش‌های قابل توجه این پژوهش، استفاده از یادگیری عمیق برای سگمنتیشن تصاویر سی‌بی‌سی‌تی بود. مدل مورد استفاده بر پایه معماری U-Net با رمزگذار ResNet18 توسعه داده شد و برای تفکیک استخوان، پس‌زمینه و ناحیه نقص مورد استفاده قرار گرفت. نتایج نشان داد رویکرد مبتنی بر یادگیری عمیق می‌تواند برای سگمنتیشن نقص‌های استخوانی مورد استفاده قرار گیرد، بدون آنکه دقت اندازه‌گیری حجمی نسبت به روش نیمه‌خودکار متداول کاهش معناداری داشته باشد. با این وجود، پژوهشگران تأکید کرده‌اند که به دلیل نامشخص بودن برخی مرزهای ضایعات، همچنان انجام اصلاحات دستی در بعضی مراحل ضروری بوده است.

تصویری از آماده‌سازی داده برای آموزش مدل یادگیری عمیق برای سگمنتیشن تصاویر CBCT در نرم‌افزار AVIZO

این موضوع یکی از مسیرهای مهم توسعه تصویربرداری پزشکی را نشان می‌دهد، مسیری که در آن کیفیت داده‌های تصویربرداری، روش‌های پردازش تصویر و هوش مصنوعی در کنار یکدیگر قرار می‌گیرند تا تحلیل داده‌های سه‌بعدی دقیق‌تر و کارآمدتر شود.

میکرو سی‌تی، فراتر از تصویربرداری با تفکیک‌پذیری بالا

اهمیت میکرو سی‌تی در تحقیقات پیش‌بالینی تنها به مشاهده جزئیات بسیار کوچک محدود نمی‌شود. در بسیاری از پژوهش‌ها، داده‌های میکرو سی‌تی می‌توانند به‌عنوان داده مرجع برای ارزیابی روش‌های دیگر مورد استفاده قرار گیرند، از اعتبارسنجی روش‌های تصویربرداری گرفته تا ارزیابی الگوریتم‌های سگمنتیشن، اندازه‌گیری پارامترهای کمی و توسعه روش‌های جدید پردازش تصویر. پژوهش حاضر نمونه‌ای از چنین کاربردی است.

در این مطالعه، تصاویر تهیه‌شده با LOTUS in-Vivo و داده‌های بازسازی‌شده توسط نرم‌افزار LOTUS in-Vivo-REC، مرجعی با تفکیک‌پذیری بالا برای ارزیابی اندازه‌گیری‌های حاصل از سی‌بی‌سی‌تی فراهم کردند. چنین کاربردهایی نشان می‌دهند که میکرو سی‌تی علاوه بر مطالعات مستقیم ساختار استخوان، می‌تواند در اعتبارسنجی فناوری‌های تصویربرداری و روش‌های تحلیل تصویر نیز نقش مؤثری داشته باشد.

جمع‌بندی

پژوهش منتشرشده در مجله Scientific Reports نشان داد که سی‌بی‌سی‌تی، در صورت انتخاب مناسب پارامترهای تصویربرداری، می‌تواند ابزار قابل اعتمادی برای ارزیابی حجمی نقص‌های استخوانی فک باشد.

در این پژوهش، اندازه وکسل یکی از عوامل مؤثر بر دقت اندازه‌گیری بود و تصاویر با وکسل ۰٫۱ میلی‌متر عملکرد بهتری نسبت به وکسل ۰٫۲ میلی‌متر نشان دادند. در عین حال، استفاده از سگمنتیشن مبتنی بر یادگیری عمیق نیز نتایجی قابل مقایسه با روش نیمه‌خودکار ارائه کرد.

برای ارزیابی این نتایج، دستگاه میکرو سی‌تی LOTUS In-Vivo شرکت بهین نگاره به‌عنوان روش مرجع مورد استفاده قرار گرفت و داده‌های حاصل از آن مبنای مقایسه اندازه‌گیری‌های حجمی قرار گرفتند.

این پژوهش نمونه‌ای از کاربرد دستگاه‌های میکرو سی‌تی در مطالعاتی است که هدف آن‌ها تنها دستیابی به تصاویر با تفکیک‌پذیری بالا نیست، بلکه به اندازه‌گیری کمی، اعتبارسنجی روش‌های تصویربرداری و توسعه روش‌های پیشرفته تحلیل تصویر نیز نیاز دارند.

برای مطالعه متن کامل مقاله، کلیک کنید.